眼底图像处理与分析中一些关键问题的研究

摘要

医学图像处理与分析一直都是图像处理与分析领域中研究的重点和难点问题。由于眼底图像具有特征复杂的特点，使得前入在眼底图像处理与量化分析这方面的研究取得的成果较少，仍存在着一些关键的技术难点，包括多幅不同视野下的图像快速拼接与配准，复杂背景下目标（如视神经乳头、视网膜血管等）精确定位与提取，以及量化参数测量分析等，该方面研究具有较高的科研与临床应用价值。眼底图像的计算机分析系统的建立，可以对眼底组织进行定量测量，在正常和异常之间做出明确鉴别，使眼底系统形态的研究标准化，从而大大加强眼底检查优势。 所以本文在此背景下，经查阅大量资料和求教于医学专家基础上，结合临床实际对眼底图像处理及其参数测量方法进行了深入研究，取得的成果总结如下： 1．针对眼底图像预处理提出了行之有效的处理方法：提出了基于一次多项式分片逼近几何畸变校正算法和基于彩色信息的辐射量畸变校正算法，解决了由于成像等因素造成的眼底图像畸变；提出了基于mSIFT的眼底图像配准算法，不仅可以实现健康眼底图像的配准与拼接，对病变图像依然有效；同时在眼底图像视场提取等方面做出了研究。 2．为准确提取眼底视网膜血管，提出了基于先验知识随机游走模型的视网膜血管分割方法和基于Post-Processing的视网膜血管边缘提取方法，可以很好地实现眼底图像血管分割以及血管边缘提取，特别是针对带有病变的眼底图像，处理效果对比现有算法性能提升明显。 3．为描述眼底视网膜血管网络空间属性，提出了一种新的概念——交叉网络，并给出了交叉网络属性测度。充分利用眼底组织间的位置结构关系，提出了基于“类血管”交叉网络的眼底视神经乳头自动定位，多种图像质量下定位成功率测试实验结果验证了定位算法的有效性，运算速度较已有算法也有明显提高。 4．视神经乳头形状、面积和深度等参数是衡量眼底健康状况的重要指标，为实现视神经乳头的精确分割和边缘识别，本文充分利用视神经乳头形态特征与色彩特征，提出了基于随机游走模型的视神经乳头分割方法和基于L*a*b*色彩空间视神经乳头边缘提取算法，将图像转换至不同的坐标空间和色彩空间，结合自动定位实现视神经乳头分割与边缘提取。 5．为实现眼底图像参数测量，提出了基于三点标尺的计算机图像测量校准与归一化技术，以及长度、面积以及角度等参数测量计算方法。基于对眼底图像处理算法的研究基础上，提出了眼底图像处理与分析系统实现方案，并在Windows XP平台上，利用Visual C++6．0开发了一套应用系统，该系统实现眼底图像处理、参数测量、辅助诊断以及病历报告输出等功能。对比其它软件，本系统具有更多的图像处理功能，具有较高的实用和推广价值。 该研究属于信息学与医学的交叉学科，研究成果很好地解决了眼底图像处理中存在的关键问题，实现了定性和定量分析，提高了临床诊断精度与效率。研制系统可以满足临床眼科工作者的迫切需要，提高我国眼科学诊治水平和人民的健康水平，具有良好的临床应用前景以及社会效益。

目录

文摘

英文文摘

声明

致谢

1 绪论

1.1 引言

1.2 研究背景

1.2.1 人眼及其眼底的医学知识基础

1.2.2 我国主要致盲眼病、眼底病及其研究现状

1.2.3 眼底检查及其眼底图像的重要临床价值

1.2.4 图像处理的发展及其在医学领域中的应用

1.3 本文动机及研究内容

1.4 本文的创新和贡献

1.5 本文章节安排

2 相关工作综述

2.1 引言

2.2 国内外研究状况

2.2.1 眼底图像畸变校正

2.2.2 眼底图像配准与拼接

2.2.3 眼底图像目标定位与提取

2.2.4 眼底图像参数测定与分析

2.3 本文研究内容及其框架结构

2.4 本文研究目标与成果

2.4.1 研究目标

2.4.2 研究成果综述

2.5 本章小结

3 彩色眼底图像预处理

3.1 引言

3.2 基于分块思想的快速几何畸变校正算法

3.2.1 多项式坐标变换几何校正

3.2.2 基于一次多项式分片逼近几何畸变校正

3.2.3 实验结果及校正精度分析

3.3 基于彩色信息的辐射量畸变校正方法

3.3.1 彩色眼底图像亮度分布

3.3.2 眼底图像视场提取

3.3.3 基于彩色信息的眼底图像辐射量畸变校正

3.4 基于m空间尺度不变特征变换的彩色眼底图像拼接算法

3.4.1 mSIFT算法及特征点提取

3.4.2 二次映射模型估计及眼底图像配准与拼接

3.4.3 实验结果及配准精度分析

3.5 本章小结

4 眼底图像血管分割算法

4.1 引言

4.2 基于先验知识随机游走模型的视网膜血管分割方法

4.2.1 视网膜血管特征分析

4.2.2 视网膜血管先验知识提取

4.2.3 基于先验知识随机游走模型的视网膜血管分割

4.2.4 实验结果及分割精度分析

4.3 基于Post-Processing的视网膜血管边缘提取方法

4.3.1 视网膜血管特征分析

4.3.2 眼底图像的预处理

4.3.3 基于Post-Processing的血管边缘提取方法

4.3.4 实验结果及提取精度分析

4.4 本章小结

5 基于交叉网络的眼底视神经乳头自动定位

5.1 引言

5.2 血管空间结构描述——交叉网络及其测度

5.3 基于交叉网络的视神经乳头自动定位算法

5.3.1 视场提取与辐射量畸变校正

5.3.2 “类血管”及其骨架提取

5.3.3 构建“类血管”交叉网络实现视神经乳头定位

5.4 实验结果及定位精度分析

5.5 本章小结

6 视神经乳头边缘提取与分割

6.1 引言

6.2 基于L*a*b*色彩空间的视神经边缘自动提取

6.2.1 眼底图像L*a*b*空间自适应形态学预处理

6.2.2 L*a*b*色彩空间视神经边缘提取

6.2.3 实验结果及提取精度分析

6.3 基于随机游走模型的视神经分割方法

6.3.1 视神经乳头形态特征分析

6.3.2 眼底图像极坐标空间形态学预处理

6.3.3 基于改进的随机游走的视神经乳头分割

6.3.4 实验结果及分割精度分析

6.4 本章小结

7 眼底图像参数测量及系统实现

7.1 引言

7.2 计算机图像测量中校准与归一化

7.2.1 基于三点标尺的校准与归一化

7.2.2 算法校正精度分析

7.3 眼底图像处理及参数测量系统的实现

7.3.1 眼底图像参数量化系统的设计

7.3.2 系统实现过程

7.3.3 系统硬件设计

7.3.4 系统软件设计

7.3.5 系统性能评价

7.4 本章小结

8 全文总结及其展望

8.1 全文总结

8.2 工作展望

参考文献

附录

索引

作者简历